《多传感器集中式观测融合Kalman滤波器快速算法》PDF+DOC

📙 相关资料

1. 《两传感器最优信息融合Kalman滤波器及其在跟踪系统中的应用》PDF+DOC 针对两传感器信息融合 ，提出了一种在标量加权下的最优信息融合 Kalm an滤波器。该信息融合滤波器考虑了局部滤波误差的相关性 ，避免了局部滤波误差方差阵的逆矩阵的计算 ，也避免了加权矩阵的计算 ，只要求计算加权系数 ，便于实时应用。一个跟踪系统的仿真例子验证了其有效性。...
2. 《带观测滞后多传感器系统的改进协方差交叉融合Kalman滤波器》PDF+DOC 为了处理带观测滞后多传感器系统的融合估计问题，引入了局部次优递推Kalman滤波器，利用改进的协方差交叉融合算法，提出了改进协方差交叉融合Kalman滤波算法。它可以避免由互协方差计算引起的较大计算负担，并可以处理互协方差未知系统的融合问题。与传统协方差交叉融合Kalman滤波器相比有更高的鲁棒精度......
3. 《多传感器分布式协方差信息融合Kalman滤波理论》PDF+DOC 对于带多传感器和带相关噪声的线性离散时变随机控制系统，基于按矩阵加权、按对角阵加权和按标量加权的三种最优信息融合规则，提出了相应的三种分布式最优信息融合Kalman估值器，可统一处理融合滤波、预报和平滑问题。为了计算最优加权，提出了计算局部估计误差协方差公式。作为特殊情形，还提出了定常系统的稳态最优......
4. 《多传感器按对角阵加权信息融合Kalman滤波器》PDF+DOC 在按对角阵加权线性最小方差最优信息融合准则下，提出了多传感器按对角阵加权信息融合稳态Kalman滤波器，它等价于关于状态分量的按标量加权信息融合Kalman滤波器，与按矩阵加权信息融合Kalman滤波器相比，可明显减小计算负担，便于实时直用。一个雷达跟踪的仿真例子说明了其有效性。...
5. 《两传感器信息融合稳态最优Kalman滤波器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型提出了两传感器最优信息融合稳态Kalman滤波器。为实现最优融合，分别提出了计算局部滤波稳态误差方差和协方差阵的Lyapunov方程和拟Lyapunov方程及其迭代算法，并证明了算法的收敛性。一个仿真例子说明了其有效性。...
6. 《两传感器自校正信息融合Kalman滤波器》PDF+DOC 用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型的在线辨识，对含有未知模型参数和噪声方差的两传感器线性离散随机系统，提出了自校正信息融合Kalman滤波器。它具有渐近最优性。一个仿真例子说明了其有效性。...
7. 《多传感器加权观测融合Wiener反卷积滤波器》PDF+DOC 基于Kalman滤波方法，应用加权观测融合方法，提出了全局最优观测融合Wiener反卷积滤波器。同集中式观测融合方法和分布式状态融合方法相比，不仅可获得全局最优Wiener反卷积滤波器，而且明显减小计算负担，便于实时应用。一个四传感器加权观测融合仿真例子说明了其有效性。...
8. 《多传感器协同辨识自校正加权观测融合Kalman滤波器》PDF+DOC 对于带未知噪声统计的多传感器系统，利用最小二乘法将观测方程统一处理，形成新的跟踪系统，处理后的观测结果之差可以产生多组新的白噪声序列，利用各组白噪声的相关函数阵解矩阵方程组，可解得各传感器观测噪声方差Ri。通过状态方程和观测方程以及观测噪声估值，利用相关函数，可求得ΓQwΓT的估计，进而得到自校正加......
9. 《多传感器时滞系统信息融合最优Kalman滤波器》PDF+DOC 基于线性最小方差最优加权融合估计算法，对多传感器的离散线性状态时滞随机系统.给出了一种非增广分布式加权融合最优Kalman柚滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比，分布式融合滤波器具有更高......
10. 《多传感器全局最优加权观测融合Wiener信号滤波器》PDF+DOC 基于Kalman滤波，应用加权观测融合方法，对于带白色观测噪声的单通道ARMA信号，提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式观测融合方法和分布式状态融合方法相比，不仅可获得全局最优Wiener信号滤波器，而且明显减小计算负担，便于实时应用......